西南林業(yè)大學《數(shù)據(jù)采集與網(wǎng)絡爬蟲實驗》2022-2023學年期末試卷

裝訂線裝訂線PAGE2第1頁，共3頁西南林業(yè)大學《數(shù)據(jù)采集與網(wǎng)絡爬蟲實驗》2022-2023學年期末試卷院(系)_______班級_______學號_______姓名_______題號一二三總分得分批閱人一、單選題（本大題共20個小題，每小題2分，共40分．在每小題給出的四個選項中，只有一項是符合題目要求的．）1、以下哪個不是爬蟲中處理數(shù)據(jù)清洗的方法？（）A.去除空格B.轉(zhuǎn)換大小寫C.數(shù)據(jù)填充D.保留原始數(shù)據(jù)2、在處理爬蟲獲取的網(wǎng)頁內(nèi)容時，以下哪個方法常用于解析HTML？（）A.正則表達式B.XPathC.CSS選擇器D.以上都是3、網(wǎng)絡爬蟲獲取的數(shù)據(jù)通常需要進行（）處理。A.清洗B.去重C.轉(zhuǎn)換D.以上都是4、以下哪個不是爬蟲中處理分布式任務的框架？（）A.CeleryB.KafkaC.RabbitMQD.以上都是5、以下哪個不是反爬蟲的常見手段？（）A.IP封鎖B.驗證碼C.數(shù)據(jù)加密D.增加頁面加載時間6、在爬蟲中，處理重定向的常見方法是（）A.自動跟隨B.忽略重定向C.手動處理D.以上都是7、以下哪個不是爬蟲中模擬登錄的方式？（）A.提交表單B.使用CookieC.破解密碼D.以上都是8、以下哪種數(shù)據(jù)格式常用于存儲爬蟲抓取到的數(shù)據(jù)？A.CSVB.JSONC.XMLD.以上都是9、以下哪個不是爬蟲中處理數(shù)據(jù)異常值的方法？（）A.剔除B.修正C.保留D.以上都是10、以下哪個不是常見的爬蟲框架？（）A.PySpiderB.Crawler4jC.Node.jsD.Scrapy11、網(wǎng)絡爬蟲如何處理網(wǎng)站的反爬蟲蜜罐？（）A.識別并避開B.陷入后停止C.嘗試突破D.以上都是12、在爬蟲中，處理數(shù)據(jù)的加密通常使用（）A.AESB.RSAC.哈希函數(shù)D.以上都是13、網(wǎng)絡爬蟲如何處理網(wǎng)頁中的跳轉(zhuǎn)？（）A.自動跟隨B.按照規(guī)則處理C.忽略D.以上都是14、網(wǎng)絡爬蟲獲取的數(shù)據(jù)通常需要進行以下哪種處理？（）A.去重B.篩選C.轉(zhuǎn)換格式D.以上都是15、在爬蟲中，以下哪個庫常用于處理文件下載？（）A.urllib.request.urlretrieveB.requests.getC.wgetD.以上都是16、以下哪種語言常用于編寫網(wǎng)絡爬蟲？（）A.JavaB.PythonC.C++D.JavaScript17、以下哪個不是常見的爬蟲存儲數(shù)據(jù)庫？（）A.MySQLB.MongoDBC.OracleD.Excel18、在爬蟲中，以下哪個庫常用于處理HTTP認證？（）A.requests.authB.httpx.authC.aiohttp.authD.以上都是19、在處理爬蟲獲取的大量文本數(shù)據(jù)時，以下哪個技術(shù)常用于文本分類？（）A.機器學習B.深度學習C.以上都是D.以上都不是20、以下哪個庫常用于處理爬蟲中的驗證碼識別？（）A.tesseractB.opencvC.numpyD.scipy二、簡答題（本大題共4個小題，共40分)1、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶行為的信息工業(yè)4.0和智能制造發(fā)展數(shù)據(jù)。2、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的智能備份恢復相關(guān)元素。3、（本題10分）說明網(wǎng)絡爬蟲如何處理網(wǎng)頁中的智能過濾相關(guān)元素。4、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的數(shù)據(jù)分頁和加載更多機制。三、編程題（本大題共2個小題，共20